1.1Tính cấp thiết của đề tài Từ sau đại dịch Covid-19 cùng với sự phát triển của thương mại điện tử, nhiều người vẫn duy trì thói quen mua sắm online thường xuyên và có xu hướng tăng theo mọi năm. Nắm bắt được tình hình đó, nhiều công ty đã cho ra mắt hình thức mua trước trả sau (Buy Now Pay Later) nhằm kích thích nhu cầu mua sắm của người tiêu dùng. Theo số liệu từ mạng lưới VisaNet được Visa công bố vào ngày 28/04/2021, tổng giá trị giao dịch của người tiêu dùng Việt Nam trên thẻ tín dụng và ghi nợ Visa tăng 34% trong quý 1 năm 2021 so với quý 1 năm 2020 (Visanet, 2021). Tỉ lệ giao dịch mà không tiếp xúc nhau trên tổng số giao dịch trực tiếp của thẻ Visa tăng 230% so với cùng kỳ. Và tỉ lệ tăng trưởng hằng năm của tổng giá trị giao dịch trên sàn thương mại điện tử trong giai đoạn quý 1 năm 2021 tăng 5.5 lần so với quý 4 năm 2020 (Visanet, 2021). Theo báo cáo của Research and Markets (2024) Tại Việt Nam, mức tiêu dùng tăng và tỷ lệ sử dụng thẻ tín dụng thấp thúc đẩy xu hướng mua trước trả sau (Buy Now Pay Later) phát triển mạnh. Trong năm 2021, hình thức mua trước trả sau đã đạt trị giá hơn 697 triệu USD, tăng 71,5%. Dự kiến trong giai đoạn 2022-2028 thị trường sẽ tăng 45,2% và đạt gần 10 tỷ USD vào năm 2028. Thị trường Việt Nam được đánh giá là khá cao. Đây là một trong nhiều thị trường tiềm năng bậc nhất khu vực Đông Nam Á với mức tăng trưởng trung và dài hạn của xu hướng mua trước trả sau ở trong nước vẫn vô cùng mạnh mẽ. Hiện tại hình thức mua trước trả sau (Buy Now Pay Later) đang dần được phổ biến tại Việt Nam với nhiều ưu điểm vượt trội đáng được kể đến như thủ tục xét duyệt đơn giản, nhanh chóng, không yêu cầu chứng minh thu nhập, giúp người tiêu dùng linh hoạt trong quá trình thanh toán, thường không phát sinh thêm phụ phí nếu thanh toán đúng thời hạn. Nắm bắt được tình hình đó, đa số các sàn thương mại điện tử đều đã áp dụng dịch vụ mua trước trả sau, điển hình như Shopee, Tiki, Lazada,…Trong đó, Shopee đang là sàn thương mại điện tử dẫn đầu tại Việt Nam. Theo như Shopee : “SPayLater là một sản phẩm tín dụng được cung cấp bởi các Ngân hàng đối tác thông qua nền tảng Shopee”. Như đã kể ở trên thì hình thức mua trước trả sau (Buy Now Pay Later) cũng như là đang nói đến dịch vụ SPayLater đem rất nhiều lợi ích cho người tiêu dùng. Đối với người bán hàng khi sử dụng dịch vụ SPayLater sẽ không phát sinh rủi ro, điều này có nghĩa là toàn bộ số tiền của đơn hàng sẽ được Shopee thanh toán cho người bán ngay lập tức sau khi người mua xác nhận “Đã nhận hàng” thành công. Theo đó, dịch vụ SPayLater còn giúp gia tăng số lượng người mua, tần suất mua sắm cho gian hàng, người bán vẫn được tham gia các chương trình khuyến mãi và sử dụng những voucher có sẵn trên sàn Shopee đã cho. Cũng theo Shopee đối với người dùng là nhóm khách hàng có giá trị mỗi đơn hàng và tổng giá trị mua hàng mỗi tháng cao hơn so với người mua Shopee thông thường thì điều này sẽ giúp cho người bán tăng giá trị của mỗi đơn hàng, giảm việc người mua từ bỏ các món hàng có giá trị cao, cải thiện được số lượng bán và tỷ lệ chuyển đổi khách hàng. Ngoài những lợi ích kể trên thì điều đặc biệt nhất phải kể đến đó là sẽ không có chi phí nào phát sinh thêm cho người bán khi tham gia SPayLater. Người bán chỉ phải trả những chi phí giống như nhiều hình thức thanh toán đang có sẵn khác trên Shopee hiện có. Tuy Shopee là sàn thương mại điện tử đứng đầu tại Việt Nam và dịch vụ SPayLater được cung cấp bởi các ngân hàng đối tác uy tín của Shopee, cộng thêm nhiều lợi ích mà SPayLater mang lại cho người bán lẫn người tiêu dùng nhưng dịch vụ SPayLater vẫn còn mới vậy nên vẫn còn tiềm ẩn nhiều rủi ro. Tuy nhiên, nó khá thiết thực trong cuộc sống hiện tại nên cần đi sâu vào nghiên cứu thêm để có thể tìm ra được những ưu điểm nổi bật cũng như khắc phục những hạn chế của dịch vụ SPayLater với mong muốn có thể tìm ra được những yếu tố tác động đến ý định sử dụng dịch vụ SPayLater của Shopee. Vì vậy nhóm em quyết định thực hiện đề tài "Nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM" 1.2Mục tiêu nghiên cứu 1.2.1Mục tiêu chính Nghiên cứu này nhằm mục đích xác định và phân tích mức độ tác động các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM. Từ đó đưa ra đề xuất hàm ý quản trị cho các nhà quản lý và doanh nghiệp để giúp tăng hiệu quả kinh doanh đồng thời thu hút sự quan tâm của khách hàng vào dịch vụ SPayLater nhiều hơn trong tương lai gần. 1.2.2Mục tiêu cụ thể - Xác định được các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM - Đo lường và phân tích mức độ tác động của các yếu tố đó đến ý định sử dụng dịch vụ SPayLater - Đưa ra đề xuất hàm ý quản trị với mục đích là tăng ý định sử dụng dịch vụ SPayLater trong tương lai gần 1.3Câu hỏi nghiên cứu Đạt được mục tiêu mà nhóm hướng đến, có một số câu hỏi đặt ra như sau: - Các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM? - Mức độ ảnh hưởng của các yếu tố này đến quyết định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM? - Kiểm định sự khác nhau về mức độ của các yếu tố đến quyết định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM? - Các đề xuất quản trị dành cho Shopee, doanh nghiệp để nâng cao ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM? 1.4Đối tượng và phạm vi Đối tượng nghiên cứu: Các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee. Đối tượng khảo sát: Tính phổ biến của Shopee không còn xa lạ với các bạn sinh viên đại học ngày nay, đặc biệt là sinh viên đang sinh sống tại thành phố Hồ Chí Minh. Vì vậy nhóm chọn đối tượng khảo sát là các bạn sinh viên của các trường đại học tại TP.HCM làm đối tượng khảo sát chính. Không gian nghiên cứu: Hiện nay trên Shopee phổ biến rộng rãi trên cả nước, nhưng lượng mua hàng nhiều vẫn ở các thành phố lớn như Hồ Chí Minh, Hà Nội,...Vì vậy, đề tài của nhóm tập trung ở khu vực thành phố Hồ Chí Minh, nơi mà có các bạn sinh viên đông đảo theo học và mua hàng nhiều hiện nay ở Việt Nam. 1.5Phương pháp nghiên cứu Nhóm sử dụng phương pháp thu thập, phân tích, tổng hợp các thông tin để rút ra được các giả thuyết phù hợp với đề tài. 1.6Đóng góp của đề tài Đề tài nhóm có ý nghĩa thực tiễn với sàn Shopee muốn có các chiến lược thúc đẩy việc sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM. Cũng như có các doanh nghiệp có thêm kế hoạch thúc đẩy quyết định mua hàng trên Shopee: Thứ nhất: Kết quả nghiên cứu sẽ cho chúng ta biết tổng quan về ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM. Có 5 biến định tính mà đề tài kiểm định sự khác biệt: Giới tính; Thu nhập; Bạn là sinh viên năm; Tần suất bạn mua hàng trên Shopee trong 1 tháng. Thứ hai: Nghiên cứu của nhóm về đề tài sẽ góp phần nào đánh giá được các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM. Giúp các cá nhân cũng như Shopee hiểu và có những chiến lược hoạt động để quảng bá dịch vụ SPaylater rộng rãi hơn. Cuối cùng nâng cao được chất lượng dịch vụ và tăng độ phổ biến của SPayLater đến người tiêu dùng. Thứ ba: Shopee và các doanh nghiệp có được góc nhìn và hiểu hơn về người tiêu dùng cụ thể ở đây là sinh viên các trường đại học tại TP.HCM về ý định mua hàng khi sử dụng dịch vụ SPayLater. Cùng đó, người tiêu dùng cũng có thêm những thông tin hữu ích và đáng tin cậy để biết thêm thông tin về dịch vụ mới này. 1.7Hướng phát triển của đề tài Đề tài nghiên cứu được thực hiện trên một phạm vi nhỏ, cần được mở rộng thêm phạm vi nghiên cứu và các nhóm đối tượng để có cái nhìn toàn diện và bao quát hơn về đề tài. Ngoài ra còn có thể đi sâu vào phân tích thêm các yếu tố mới để có thể tìm ra những yếu tố ảnh hưởng nhất đến ý định sử dụng dịch vụ SPayLater của Shopee. Thông qua nghiên cứu này có thể giúp doanh nghiệp đề xuất các chiến lược marketing phù hợp nhằm đưa ra các giải pháp để thu hút người dùng sử dụng ví SPayLater của Shopee, cũng như cải thiện dịch vụ SpayLater thông qua các nghiên cứu dựa trên ý định sử dụng trong đề tài. 1.8Bố cục của nghiên cứu tiểu luận Đề tài nghiên cứu bao gồm 5 chương, được trình bày dưới dạng: Chương 1: Tổng quan đề tài nghiên cứu Trong chương này sẽ dẫn dắt người đọc đến với tính cấp thiết của đề tài, từ đó đưa ra mục tiêu nghiên cứu, đối tượng và phạm vi nghiên cứu thông qua các phương pháp nghiên cứu. Từ đó đưa ra đóng góp của đề tài và hướng phát triển của đề tài. Cuối cùng là khái quát về bố cục của bài nghiên cứu để người đọc có thể dễ dàng theo dõi. Chương 2: Cơ sở lý thuyết Chương này tập trung tìm những lý luận và nghiên cứu có liên quan đến đề tài, từ đó đưa ra mô hình nghiên cứu và các giả thuyết phù hợp nhất cho đề tài nghiên cứu. Chương 3: Phương pháp nghiên cứu Nội dung chương này xoay quanh việc thiết kế nghiên cứu từ thang đo, chọn mẫu và xây dựng các biến quan sát đối với từng nhân tố. Đồng thời kết hợp với kỹ thuật phân tích dữ liệu để đưa ra các phương pháp nghiên cứu tối ưu nhất. Chương 4: Kết quả nghiên cứu Ở chương 4, nội dung chủ yếu là về phân tích kết quả của dữ liệu. Bắt đầu từ việc mô tả mẫu nghiên cứu đến đánh giá độ tin cậy, phân tích các nhân tố EFA để đưa ra mô hình hồi quy tuyến tính và kết thúc bằng kiểm định sự khác biệt. Chương 5: Kết luận và hàm ý quản trị Sau khi đã phân tích kết quả thì chương này sẽ thảo luận về kết quả nghiên cứu và đưa ra hàm ý quản trị. Cuối cùng sẽ đưa ra kết luận cho bài nghiên cứu.
CƠ SỞ LÝ THUYẾT
Những nghiên cứu liên quan đến đề tài
- Nghiên cứu của Nguyễn Văn Sơn, Nguyễn Thị Trúc Ngân and Nguyễn Thành Long
(2021): Các yếu tố ảnh hưởng đến ý định sử dụng ví điện tử Momo khi mua sắm trực tuyến của sinh viên Đại học Công Nghiệp TPHCM
Hi u xu t ệ ất mong đ iợi
N l c ỗ lực ực mong đ iợi Ảnh nh hưởng xã ng xã h iộ đối với Đi u ki n ều kiện ệ thu n l iận hữu ợi Đ ng l c ộ đối với ực th hụng ưởng xã ng
Giá tr giá ịnh hành vi cảm
Tu iổi Gi i tínhới Kinh nghi mệ Ý đ nh s ịnh hành vi ử d ngụng S d ngử ụng
Nghiên cứu được thực hiện nhằm mục đích cung cấp thêm cơ sở và hàm ý quản trị cho các nhà quản lý hiểu hơn về hành vi người dùng từ đó xây dựng chiến lược nâng cao ý định sử dụng của người dùng một cách hiệu quả Quy mô mẫu chính thức được sử dụng trong bài nghiên cứu là 188 mẫu Trong bài nghiên cứu này tác giả sử dụng phương pháp lấy mẫu thuận tiện phi xác suất Kết quả nghiên cứu cho thấy có 3 yếu tố ảnh hưởng đến đến ý định sử dụng ví điện tử Momo khi mua sắm trực tuyến của sinh viên Đại học Công Nghiệp TPHCM bao gồm: Nhận thức hữu ích, Ảnh hưởng xã hội và Niềm tin vào ví điện tử Momo Còn lại 2 yếu tố bị loại bỏ vì không có ý nghĩa thống kê là: Nhận thức dễ sử dụng và Nhận thức riêng tư/bảo mật.
Hình 2.5 Mô hình nghiên cứu của Nguyễn Văn Sơn, Nguyễn Thị Trúc Ngân and
Kết quả nghiên cứu cho thấy có 3 yếu tố ảnh hưởng đến đến ý định sử dụng ví điện tử Momo khi mua sắm trực tuyến của sinh viên Đại học Công Nghiệp TPHCM bao gồm: Nhận thức hữu ích, Ảnh hưởng xã hội và Niềm tin vào ví điện tử Momo Còn lại 2 yếu tố bị loại bỏ vì không có ý nghĩa thống kê là: Nhận thức dễ sử dụng và Nhận thức riêng tư/bảo mật.
- Nghiên cứu của Huynh Thi My Dieu, Abdullah Al Mamun, Thi Le Huyen Nguyen,Farzana Naznen (2023): Việt Nam không dùng tiền mặt: Nghiên cứu về ý định và việc áp dụng thanh toán không dùng tiền mặt
Nghiên cứu này nhằm mục đích xác định các yếu tố ảnh hưởng đến ý định và thực tế áp dụng thanh toán không dùng tiền mặt của giới trẻ Việt Nam Quy mô mẫu được sử dụng trong bài nghiên cứu là 422 mẫu Trong bài nghiên cứu này tác giả sử dụng phương pháp nghiên cứu chọn mẫu thuận tiện.
Hình 2.6 Mô hình nghiên cứu của Huynh Thi My Dieu et al (2023)
Kết quả nghiên cứu cho thấy những tác động tích cực và đáng kể của kỳ vọng về hiệu suất, kỳ vọng về nỗ lực, điều kiện thuận lợi, sự tương thích với lối sống và nhận thức về niềm tin đối với ý định áp dụng thanh toán không dùng tiền mặt Tuy nhiên, ảnh hưởng xã hội được cho là có tác động tiêu cực đến ICP Hơn nữa, ý định áp dụng thanh toán không dùng tiền mặt được phát hiện không đóng góp tác động hòa giải nào lên mối quan hệ của bất kỳ thành phần nào với việc áp dụng thanh toán không dùng tiền mặt trong thực tế.
- Nghiên cứu của Rahman, Ismail and Bahri (2020): Phân tích sự chấp nhận thanh toán không dùng tiền mặt của người tiêu dùng ở Malaysia
Nghiên cứu này tìm hiểu các yếu tố ảnh hưởng đến việc áp dụng thanh toán không tiền mặt tại Malaysia Nghiên cứu được tiến hành trên 301 mẫu và sử dụng một phương pháp nghiên cứu cụ thể.
Hình 2.7 Mô hình nghiên cứu của Rahman, Ismail and Bahri (2020)
Kết quả nghiên cứu cho thấy kỳ vọng về hiệu suất và điều kiện thuận lợi có ảnh hưởng nhiều nhất đến việc áp dụng thanh toán không dùng tiền mặt Nhận thức về bảo mật công nghệ cũng có mối quan hệ chặt chẽ với việc áp dụng thanh toán không dùng tiền mặt Kết quả cũng cho thấy động lực hưởng thụ, ảnh hưởng xã hội và tính đổi mới có mối quan hệ tích cực với việc áp dụng thanh toán không dùng tiền mặt Những phát hiện này có thể hỗ trợ các nhà hoạch định chính sách giải quyết những mối lo ngại hiện tại của người tiêu dùng để chuyển đổi thành công sang một xã hội không tiền mặt.
- Nghiên cứu của Gunawan, Fatikasari and Putri (2023): Ảnh hưởng của việc không dung tiền mặt (QRIS) đối với thanh toán hằng ngày giao dịch sử dụng mô hình chấp nhận công nghệ
Nghiên cứu này nhằm mục đích xác định tính hiệu quả của người dùng QRIS, sự tin tưởng của người dùng đối với hệ thống bảo mật QRIS và sự hài lòng của người dùng khi sử dụng QRIS Quy mô mẫu được sử dụng trong bài nghiên cứu là 576 mẫu Trong bài nghiên cứu này tác giả sử dụng phương pháp nghiên cứu định lượng.
Hình 2.8 Mô hình nghiên cứu của Gunawan, Fatikasari and Putri (2023)
Từ kết quả nghiên cứu được tác giả thực hiện, giả thuyết mà tác giả thu được là 8, cụ thể Ảnh hưởng xã hội có tác động tích cực đến Nhận thức hữu ích, Ảnh hưởng xã hội có tác động tích cực đến Nhận thức dễ sử dụng, Tính hữu ích được nhận thức chịu ảnh hưởng tích cực của Tính dễ sử dụng được nhận thức, Niềm tin được nhận thức bị ảnh hưởng tích cực của Tính hữu ích được nhận thức, Niềm tin được nhận thức bị ảnh hưởng tích cực của Tính hữu ích được nhận thức, Hành vi Ý định sử dụng chịu ảnh hưởng tích cực bởi Niềm tin nhận thức, Hành vi ý định sử dụng chịu ảnh hưởng tích cực bởi Nhận thức hữu ích, Hành vi sử dụng chịu ảnh hưởng tích cực bởi Ý định sử dụng hành vi.
2.2.3 Nhận xét chung về các nghiên cứu tham khảo trong và ngoài nước
Các nghiên cứu tham khảo trong nước thường tập trung vào các vấn đề cụ thể, liên quan đến nhu cầu và thực tế tại địa phương còn các nghiên cứu tham khảo ngoài nước thường mở rộng phạm vi vấn đề, đồng thời áp dụng nhiều phương pháp và lý thuyết tiên tiến.
Các nghiên cứu trong và ngoài nước thường sử dụng các mô hình TRA, TAM, TPB và UTAUT Những mô hình này được kế thừa và phát triển để khắc phục những hạn chế của mô hình trước đó, phù hợp hơn với sự phát triển của nền kinh tế xã hội và công nghệ hiện đại Hầu hết các tác giả lựa chọn kế thừa mô hình TAM, TPB làm nền tảng cho mô hình nghiên cứu của mình.
Kết hợp giữa các nghiên cứu tham khảo trong và ngoài nước sẽ giúp bổ sung những thiếu sót và cung cấp cái nhìn đa chiều, đồng thời nâng cao chất lượng nghiên cứu và hiểu biết thêm cho bài nghiên cứus về ý định sử dụng dịch vụ SPayLater.
Mô hình nghiên cứu và các giả thuyết
Theo Sobti and Neharika (2019) đã báo cáo rằng mô hình UTAUT giải thích được 70% sự khác biệt trong ý định sử dụng công nghệ mới trong nghiên cứu Tuy nhiên do có sự khác biệt trong việc lựa chọn mẫu và hoàn cảnh đất nước, những nghiên cứu trước đây đưa ra những phát hiện khác nhau (Hussain et al., 2019) Xét thấy điều đó, nghiên cứu hiện tại của nhóm áp dụng mô hình UTAUT để biết toàn diện về các hình thức có ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee.
Theo nghiên cứu gần nhất của Huynh Thi My Dieu et al (2023) đã sửa đổi mô hìnhUTAUT thành UTAUT2 thông qua đưa vào hai yếu tố là nhận thức về sự tin tưởng và khả năng tương thích lối sống Tuy nhiên bài của nhóm chỉ mới nghiên cứu ý định sử dụng của người dùng nên không đưa hành vi người dùng vào bài Cuối cùng nhóm đề xuất được mô hình bao gồm: Hiệu quả mong đợi, Kỳ vọng nỗ lực, Ảnh hưởng xã hội, Điều kiện thuận lợi, Khả năng tương thích lối sống, Nhận thức về sự tin tưởng.
Hình 2.9 Mô hình nghiên cứu đề xuất
2.3.2 Các giả thuyết nghiên cứu
Hiệu quả mong đợi là một người đặt niềm tin của mình vào việc công nghệ mới có thể cải thiện được hiệu quả làm việc của họ (Venkatesh et al., 2003) Người tiêu dùng có thể mong chờ sự thuận tiện và tính hữu ích qua việc sử dụng công nghệ mới, chẳng hạn như thời gian ngắn hơn, tiết kiệm hơn, tốc độ chạy của ứng dụng nhanh hơn, và chính xác hơn
Theo (Yadav et al., 2016) liên quan đến thương mại điện tử thì hiệu quả mong đợi phản ánh được sự phổ biến của việc tiếp cận được các dịch vụ về tài chính và khả năng trao đổi thông tin được tối ưu hơn
Dựa trên việc xem qua các tài liệu, giả thuyết sau đây được đưa vào trong nghiên cứu này để thử nghiệm:
Hiệu quả mong đợi đóng vai trò quan trọng trong việc thúc đẩy ý định sử dụng dịch vụ SPayLater khi sinh viên các trường đại học tại TP.HCM mua sắm trực tuyến trên sàn thương mại điện tử Shopee.
Theo Venkatesh et al (2003) “Kỳ vọng nỗ lực đề cập đến mức độ dễ dàng hoặc khó khăn khi người ta cảm nhận khi sử dụng công nghệ mới” Davis (1989) có chỉ ra khi một một người có thể nhận thức được cái tính dễ dàng dùng một ứng dụng thì khả năng chấp nhận nó càng cao
Công nghệ thương mại điện tử giúp cải thiện trải nghiệm người dùng bằng cách cung cấp sự tiện lợi và dễ sử dụng Khi người dùng thấy hệ thống dễ vận hành, họ sẽ tin tưởng vào nhà cung cấp dịch vụ hơn Điều này dẫn đến mức độ áp dụng dịch vụ cao hơn, mang lại lợi ích cho cả người dùng và nhà cung cấp.
Kỳ vọng nỗ lực chỉ có ý nghĩa trong giai đoạn đầu khi sử dụng dịch vụ và nó trở nên không có ý nghĩa trong trường hợp dài hạn, nên kiên trì sử dụng Do đó dựa trên những phát hiện của nghiên cứu trước đây, giả thuyết sau đã được hình thành để thử nghiệm:
H2 Kỳ vọng nỗ lực có ảnh hưởng tích cực đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM.
2.3.2.3 Ảnh hưởng xã hội Ảnh hưởng xã hội được hiểu là niềm tin của cá nhân vào những người gần gũi nhất với họ (như gia đình , bạn bè, đồng nghiệp, hoặc là cộng đồng với nhau) về việc áp dụng một cộng nghệ cụ thể (Venkatesh et al., 2003).
Ngoài ra, tác động của hoàn cảnh bên ngoài cũng ảnh hưởng đến hành vi của cá nhân người dùng, ví dụ như những trải nghiệm của người thân, quan điểm, nhận xét của cấp trên, bạn bè, đều có liên quan đến ảnh hưởng xã hội (Baptista & Oliveira, 2015; Zhou, Lu,
& Wang, 2010) Đặc biệt theo Oliveira et al (2016) những đề xuất của người nổi tiếng, có uy tín trong xã hội ảnh hưởng lớn đến ý định sử dụng hệ thống thanh toán di động của người tiêu dùng.
Dựa trên những nghiên cứu nhóm đưa ra được giả thuyết:
H3 Ảnh hưởng xã hội có ảnh hưởng tích cực đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM.
2.3.2.4 Điều kiện thuận lợi Điều kiện thuận lợi được định nghĩa là mức độ niềm tin của cá nhân đó vào cơ sở hạ tầng công nghệ và nguồn lực có sẵn để có thể sử dụng một hệ thống mới (Venkatesh et al.,
2003) Theo UTAUT2, điều kiện thuận lợi là yếu tố quan trong trong quyết định ý định và hành vi sử dụng công nghệ thực tế của con người, bao gồm các việc có ý định sử dụng dịch vụ SPayLater trong khi mua sắm trên sàn thương mại điện tử Shopee
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Quy trình nghiên cứu Đề tài sử dụng phương pháp định lượng để tìm hiểu, xác định rõ các yếu tố tác động đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM Nhóm còn sử dụng thang đo Likert
5 mức độ để đo lường các giá trị của biến số.
Phương pháp nghiên cứu định lượng được tiến hành ngay khi có bảng câu hỏi Mẫu khảo sát trong nghiên cứu chính thức sẽ được thực hiện bằng phương pháp lấy mẫu ngẫu nhiên
Dữ liệu sẽ được thu thập từ việc phỏng vấn qua Internet, và chỉ lấy một nguồn này Nhóm sẽ gửi một đường dẫn kết nối đến bảng câu hỏi đã được nhóm thiết kế trên mạng gồm nhiều câu hỏi khảo sát liên quan đến đối tượng khảo sát. Đồng thời nhóm còn sử dụng phương pháp nghiên cứu định tính để làm rõ hơn về đề tài.Bên cạnh việc tham khảo cơ sở lý thuyết từ các nguồn khác thì nhóm còn sử dụng cách thức thảo luận với nhau để đề ra những hướng giải quyết vấn đề tốt hơn.
Hình 3.10 Quy trình nghiên cứu
Theo Hoàng Trọng and Chu Nguyễn Mộng Ngọc (2008) quá trình xử lý dữ liệu được thực hiện trên phần mềm xử lý dữ liệu SPSS 24.0, theo 4 bước sau:
Bước 1 - Kiểm định độ tin cậy của các thang đo:
Các thang đo được đưa vào kiểm định độ tin cậy bằng công cụ Cronbach’s alpha, hệ số Cronbach’s alpha ít nhất là 0.6 và tương quan biến tổng (Corrected Item-Total Correlation) lớn hơn 0.3 Đánh giá sơ bộ loại bỏ các biến quan sát có hệ số tin cậy Cronbach’s alpha nhỏ hơn 0.6
Bước 2 - Phân tích nhân tố khám phá-EFA để xác định lại các nhóm trong mô hình nghiên cứu Các biến quan sát có hệ số tải nhân tố (factor loading) nếu nhỏ hơn 0.5 sẽ bị loại bỏ và kiểm tra phương sai trích có lớn hơn hoặc bằng 50% hay không.
Bước 3: Phân tích hồi quy tuyến tính nhằm đánh giá mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc Từ đó, kiểm tra độ phù hợp của mô hình, xây dựng phương trình hồi quy bội, kiểm định các giả thuyết, chấp nhận và diễn giải các kết quả hồi quy gắn liền với các giả thuyết nghiên cứu Đây là bước quan trọng trong việc kiểm định giả thuyết về mối liên hệ giữa ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM.
Bước 4: Kiểm tra giả thuyết mối liên hệ giữa đặc điểm cá nhân với ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua Shopee của sinh viên tại TP.HCM Kiểm tra được thực hiện bằng phân tích ANOVA (Analysis Of Variance) và T-Test giữa các nhóm đối tượng để xác định sự khác biệt có ý nghĩa trong phân tích.
Thiết kế nghiên cứu
Nội dung trong phần thiết kế nghiên cứu sẽ được đề cập đến việc thang đo sẽ được sử dụng như thế nào, cách chọn mẫu và xây dựng các biến quan sát.
“Nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM” là một dạng nghiên cứu về các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee Sử dụng thang đo likert mức độ để xem xét và đánh giá ý định sử dụng của người dùng.
Theo Bissonnette (2007), thang đo Likert (Tiếng Anh: Likert Scale) được đặt theo tên của nhà khoa học xã hội người Mỹ Rensis Likert – Người đã phát minh ra phương pháp này vào năm 1932 Thang đo Likert là một thang đo lường hoặc một công cụ được sử dụng trong bảng câu hỏi để xác định ý kiến, hành vi và nhận thức của cá nhân hoặc người tiêu dùng Đối tượng tham gia khảo sát lựa chọn từ một loạt các câu trả lời có thể cho một câu hỏi hoặc tuyên bố cụ thể dựa trên mức độ đồng ý của họ Các câu trả lời thường bao gồm
"hoàn toàn đồng ý", "đồng ý", "trung lập", "không đồng ý" và "hoàn toàn không đồng ý". Thông thường, các câu trả lời này sẽ được mã hóa bằng số, chẳng hạn như 1 = hoàn toàn đồng ý, 2 = đồng ý…
Thang đo Likert được sử dụng rộng rãi trong nghiên cứu xã hội và giáo dục Trong giáo dục, thang đo Likert được dùng trong các bài nghiên cứu khoa học, bài khóa luận, luận văn sử dụng phương pháp nghiên cứu định lượng. Để có thể nắm bắt được ý định của người dùng sử dụng ví SPayLater trên sàn Shopee, bảng câu hỏi khảo sát được thực hiện dưới dạng câu hỏi đóng, câu trả lời ứng với 5 mức độ từ hoàn toàn không đồng ý đến hoàn toàn đồng ý.
Thang đo Likert 5 mức độ được quy định như sau:
Bảng 3.1 Bảng ý nghĩa thang đo Likert
Giá trị trung bình Ý nghĩa
(Nguồn: Hoàng Trọng and Chu Nguyễn Mộng Ngọc (2008))
Chi tiết thang đo được thể hiện cụ thể dưới dạng:
Bảng 3.2 Các thang đo được sử dụng trong bảng câu hỏi nghiên cứu
Nhân tố Biến Thang đo
Sinh viên năm Định danh Tần suất mua hàng Định danh
Nghiên cứu này tập trung vào việc xác định các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater của sinh viên các trường đại học khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee Thông qua việc sử dụng phương pháp nghiên cứu định lượng dựa trên dữ liệu khảo sát, nghiên cứu này sẽ đưa ra những hiểu biết sâu sắc về vai trò của sự tiện lợi, nhận thức về tính an toàn, ưu đãi và các yếu tố xã hội trong việc định hình ý định sử dụng dịch vụ SPayLater Những phát hiện này sẽ cung cấp thông tin có giá trị cho Shopee và các nhà cung cấp dịch vụ thanh toán khác để phát triển các chiến lược hiệu quả nhằm thúc đẩy việc sử dụng dịch vụ SPayLater và tăng cường trải nghiệm mua sắm trực tuyến của sinh viên.
Hiệu quả mong đợi Thang đo Likert 5 mức độ
Kỳ vọng nỗ lực Ảnh hưởng xã hội Điểu kiện thuận lợi
Khả năng tương thích lối sống
Nhận thức sự tin tưởng
Nhóm tác giả quyết định sẽ sử dụng phương pháp nghiên cứu định lượng cho đề tài trong việc thu thập thông tin, đánh giá mức độ ảnh hưởng của các yếu tố đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến qua sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại Thành phố Hồ Chí Minh Sau khi có được dữ liệu từ các phiếu khảo sát, nhóm tác giả sẽ tiến hành xử lý dữ liệu đã thu thập được bằng phần mềm SPSS 24.0 bao gồm: thống kê mô tả, phân tích độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích hồi quy tuyến tính.
3.2.3 Xây dựng các biến quan sát đối với từng nhân tố
3.2.3.1 Nhân tố hiệu quả mong đợi
Nhân tố Hiệu quả mong đợi được ký hiệu là PET
Bảng 3.3 Biến quan sát hiệu quả mong đợi
Ký hiệu Các tiêu thức
PET1 Sử dụng dịch vụ SPayLater sẽ cải thiện hiệu suất công việc của tôi
PET2 Sử dụng dịch vụ SPayLater sẽ tiết kiệm thời gian của tôi
PET3 Tôi sẽ sử dụng dịch vụ SPayLater ở bất cứ đâu
PET4 Tôi thấy sử dụng dịch vụ SPayLater hữu ích trong cuộc sống hàng ngày
PET5 Tôi sẽ cải thiện thu nhập của tôi bằng cách sử dụng dịch vụ SPayLater
3.2.3.2 Nhân tố Kỳ vọng nỗ lực
Nhân tố Kỳ vọng nỗ lực được ký hiệu là EET
Bảng 3.4 Biến quan sát kỳ vọng nỗ lực
Ký hiệu Các tiêu thức
EET1 Học cách sử dụng dịch vụ SPayLater thật dễ dàng đối với tôi
EET2 Thật dễ dàng để vào dịch vụ SPayLater
EET3 Thật dễ dàng để sử dụng thành thạo dịch vụ SPayLater
EET4 Tôi không có bất kỳ nghi ngờ nào về việc mình đang làm khi sử dụng dịch vụ SPayLater
EET5 Khi sử dụng dịch vụ SPayLater rất rõ ràng và dễ hiểu
3.2.3.3 Nhân tố Ảnh hưởng xã hội
Nhân tố Ảnh hưởng xã hội được ký hiệu là SIF
Bảng 3.5 Biến quan sát ảnh hưởng xã hội
Ký hiệu Các tiêu thức
SIF1 Những người ảnh hưởng đến hành vi của tôi khiến tôi nghĩ rằng tôi nên sử dụng dịch vụ SPayLater
SIF2 Những người quan trọng với tôi khiến tôi nghĩ rằng tôi nên sử dụng dịch vụ
SIF3 Dịch vụ SPayLater được được sử dụng rộng rãi bởi những người trong cộng đồng của tôi SIF4 Hầu hết bạn bè của tôi đều sử dụng dịch vụ SPayLater
SIF5 Người nhà tôi sử dụng dịch vụ SPayLater
3.2.3.4 Nhân tố Điều kiện thuận lợi
Nhân tố Điều kiện thuận lợi được ký hiệu là FCD
Bảng 3.6 Biến quan sát điều kiện thuận lợi
Ký hiệu Các tiêu thức
FCD1 Tôi được hướng dẫn và trợ giúp khi cần thiết để sử dụng dịch vụ SPayLater
FCD2 Tôi có đủ nguồn lực tài chính và công nghệ cần thiết để sử dụng dịch vụ
SPayLater FCD3 Tôi có quyền truy cập vào Shoppe để sử dụng dịch vụ
FCD4 Dịch vụ SPayLater được tích hợp tốt và cung cấp trên cơ sở hạ tầng dịch vụ ổn định
FCD5 Shoppe của tôi tạo điều kiện thuận lợi cho việc sử dụng dịch vụ SPayLater
3.2.3.5 Nhân tố Khả năng tương thích lối sống
Nhân tố Khả năng tương thích lối sống được ký hiệu là LCM
Bảng 3.7 Biến quan sát khả năng tương thích lối sống
Ký hiệu Các tiêu thức
LCM1 Sử dụng dịch vụ phù hợp với mọi khía cạnh trong lối sống của tôi
LCM2 Sử dụng dịch vụ SPayLater phù hợp với phong cách sống của tôi
LCM3 Sử dụng dịch vụ SPayLater phù hợp với cách tôi muốn mua sản phẩm và dịch vụ
LCM4 Sử dụng dịch vụ SPayLater hoàn toàn phù hợp với hoàn cảnh hiện tại của tôi
3.2.3.6 Nhân tố Nhận thức về sự tin tưởng
Nhân tố Nhận thức về sự tin tưởng được ký hiệu là PTR
Bảng 3.8 Biến quan sát nhận thức sự tin tưởng
Ký hiệu Các tiêu thức
PTR1 Tôi tin tưởng rằng giao dịch được thực hiện thông qua dịch vụ SPayLater là an toàn và riêng tư
PTR2 Tôi tin tưởng các khoản trả góp được thực hiện qua dịch vụ SPayLater sẽ được xử lý an toàn
PTR3 Tôi tin rằng thông tin cá nhân của tôi khi sử dụng dịch vụ SPayLater sẽ được bảo mật
Tôi trân trọng quyền lợi của khách hàng vì vậy tôi tin tưởng rằng các đơn vị cung cấp thiết bị thanh toán luôn coi trọng quyền lợi của khách hàng Tôi cũng tin tưởng vào sự hỗ trợ của các nhà cung cấp dịch vụ khi có vấn đề phát sinh Ngoài ra, tôi đánh giá cao sự tuân thủ luật tiêu dùng của các nhà cung cấp dịch vụ SPayLater.
3.2.3.7 Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee được ký hiệu là ICP
Bảng 3.9 Biến quan sát ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
Ký hiệu Các tiêu thức
ICP1 Giả sử rằng tôi có khả năng sử dụng dịch vụ SPayLater, tôi dự định sử dụng nó
ICP2 Tôi có ý định sử dụng dịch vụ SPayLater, nếu có một khoản chi phí và thời gian hợp lý với tôi.
ICP3 Tôi có ý định sẽ sử dụng dịch vụ SPayLater trong tương lai
ICP4 Tôi dự định tiếp tục sử dụng dịch vụ SPayLater thường xuyên hơn trong tương lai ICP5 Tôi có ý định sử dụng dịch vụ SPayLater trong cuộc sống hàng ngày
Các yếu tố nhân khẩu học được đưa vào phiếu khảo sát và được khai thác thông tin như sau:
Bảng 3.10 Biến quan sát nhân khẩu học đối với ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
Theo Hair (2009) dựa theo cơ sở tham khảo từ mô hình phân tích nhân tố khám phá nhằm xác định kích thước mẫu cho đề tài Kích thước mẫu dựa vào hai yếu tố: Mức tối thiểu (min) = 50, số lượng biến đưa vào phân tích của mô hình Nếu mô hình có m thang đo và
Công thức tính số biến quan sát (Pj) của các thang đo thứ i là: Pj = n Trong đó, n là mức tối thiểu là 50 và tỷ lệ số mẫu với 1 biến phân tích (k) là 5/1 hoặc 10/1 Nếu n nhỏ hơn mức tối thiểu thì n được mặc định bằng 50.
Bài nghiên cứu này có 35 biến quan sát Trong đó, thang đo số 1 có 5 biến quan sát, thang đo số 2 có 3 biến quan sát, thang đo số 4 có 5 biến quan sát, thang đo số 5 có 4 biến quan sát, thang đo số 6 có 6 biến quan sát và cuối cùng là thang đo số 7 có 5 biến quan sát Vì vậy kích thước mẫu tối thiểu cần có là: n = 5*35 = 175 (mẫu).
Tuy có quy mô mẫu tối thiểu là 175 mẫu nhưng bài nghiên cứu này dự tính sẽ khảo sát 342 mẫu để đảm bảo tính xác thực của bài nghiên cứu và để phòng tránh các trường hợp kết quả khảo sát thu về không hợp lệ, một số trường hợp đối tượng khảo sát chỉ đánh giá cho có chứ không đọc và những trường hợp đối tượng khảo sát chưa từng sử dụng ví điện tử SPayLater.
Phương pháp phân tích số liệu
Dữ liệu được xử lý qua phần mềm xử lý dữ liệu SPSS 24.0 theo 4 giai đoạn như sau:
Theo Hà Trọng Quang et al (2022) “Thống kê mô tả là kỹ thuật giúp người nghiên cứu mô tả và tóm tắt các đặc điểm chính được quan sát trong bộ dữ liệu thông qua các bảng, biểu đồ, đồ thị và các phương pháp tóm tắt Cho phép nhà nghiên cứu hiểu rõ hơn về dữ liệu nghiên cứu” Hiện nay thống kê mô tả được sử dụng nhiều trong các bài nghiên cứu bởi tính dễ dàng, và xử lý tốt trong việc tổng hợp và xử lý thông tin của đổi tượng tham gia khảo sát. Đối tượng của nghiên cứu trong bài là sinh viên các trường đại trong thành phố Hồ Chí Minh, thì phương pháp thống kê mô tả này sẽ mô tả và phản ánh được những đặc điểm của nhóm đối tượng qua những thông tin cơ bản như: giới tính, thu nhập, tần suất mua sắm, sinh viên năm mấy, Để có được những kết quả khách quan nhất thì nhóm sử dụng phần mềm SPSS để đánh giá những đặc tính trên
3.3.2 Kiểm định độ tin cậy của các thang đo
Năm 1951 hệ số Cronbach’s Alpha được học giả Cronbach đưa ra Hệ số này được xem là có biện pháo để đánh giá tính nhất quán của các biến trong tập dữ liệu (Hà Trọng Quang et al., 2022)
Theo Nunnally Jum C and Bernstein Ira H (1994) đánh giá rằng mức độ tin cậy được xác định qua việc xem xét mối quan hệ giữa các biến ban đầu với nhau Vì vậy độ tin cậy của các thang đo nhóm đánh giá qua hệ số Cronbach’s Alpha.
Tuy nhiên theo Nguyễn Đình Thọ (2013), hệ số tin cậy của Cronbach’s Alpha đạt từ 0,8 đến 0,95 là thang đo tốt, từ 0,7 đến 0,8 là sử dụng được và từ 0,6 trở lên là có thể sử dụng cho các trường hợp nghiên cứu mới Theo Peterson (1994), thang đo được đánh giá chấp nhận và tốt thì cần đáp ứng hai điều kiện :
- Hệ số Cronbach’s Alpha của tổng thể > 0.6
- Hệ số tương quan tổng (Corrected Item – Total Correlation) > 0.3
3.3.3 Phân tích nhân tố EFA
Sau khi kiểm định được độ tin cậy của các thang đo, nhóm tiếp tục thực hiện phân tích nhân tố EFA (Exploratory Factor Analysis) Phân tích nhân tố EFA là một tring những kỹ thuật xác định các yếu tố đại diện cho hành vi chung của các biến quan sát ban đầu có tính chất phụ thuộc nhau hay không (Hà Trọng Quang et al., 2022)
Theo Hair và cộng sự (2009), hệ số tải nhân tố đảm bảo mức ý nghĩa nhất định của biến và nhân tố cho phân tích nhân tố EFA khi hệ số Factor loading ≥ 0,5 Nếu 1 mới được giữ lại trong mô hình.
3.3.4 Phân tích hồi quy tuyến tính
Theo Hà Trọng Quang et al (2022) “Trong mô hình hồi quy, mục tiêu chính là phân tích mối quan hệ giữa một hoặc một tập hợp các biến độc lập và biến được dự báo gọi là biến phụ thuộc”. Để thực hiện kiểm định mức độ phù hợp của mô hình hồi quy với đề tài, áp dụng chỉ số R 2 hiệu chỉnh để giải thích mức dộ phù hợp của mô hình Dùng R2 hiệu chỉnh để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Đồng thời để tăng sự đảm bảo về ý nghĩa của mô hình lý thuyết phù hợp với khảo sát thực tế thì mức ý nghĩa F phải có giá trị Sig < 0,05 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Các công cụ để xác định đa cộng tuyến giúp phát hiện và đánh giá mối quan hệ tuyến tính giữa các biến Độ chấp nhận biến (Tolerance) đo lường mức độ giải thích của biến độc lập Nếu Tolerance thấp, có khả năng giải thích tuyến tính giữa biến đó và các biến khác Ngược lại, Hệ số VIF (Variance Inflation Factor) lớn hơn 2 là dấu hiệu rõ ràng của đa cộng tuyến.
3.3.5 Kiểm định sự khác biệt
Theo Hoàng Trọng and Chu Nguyễn Mộng Ngọc (2008) có hai phương pháp kiểm định sự khác biệt là Independent Samples Test và One-Way ANOVA để giải thích mối quan hệ và kiểm định lại các giả thuyết giữa biến nhân khẩu học và biến phụ thuộc.
Và Hoàng Trọng and Chu Nguyễn Mộng Ngọc (2008) đã giải thích như sau:
- Kiểm định Independent Samples Test: Trong kiểm định Levene’s Test < 0,05 thì phương sai giữa 2 nhóm khác nhau và sử dụng kết quả tại mục Equal Vatianves Not Assumed. Ngược lại Sig trong kiểm định Levene Test ≥ 0,05 thì phương sai 2 nhóm là như nhau Nếu Sig trong kiểm định t < 0,05 kết luận có sự khác biệt có ý nghĩa về trung bình của 2 nhóm và t ≥ 0,05 kết luận chưa có sự khác biệt có ý nghĩa về giá trị trung bình giữa 2 nhóm.
Phân tích phương sai một yếu tố: Với mức ý nghĩa 0,05 nếu kiểm định Homogeneity of Variances sig ≥ 0,05 kết luận có sự khác biệt trong ý nghĩa thống kê về đánh giá tầm quan trọng giữa các nhóm kiểm định Để xác định sự khác biệt tiếp tục với phân tích ANOVA.
Sử dụng phương pháp Bonferroni nếu Sig < 0,05 kết luận có sự khác biệt giữa 2 nhóm trên.
Trong nội dung chương 3, nhóm đã trình bày phương pháp nghiên cứu nhằm đánh giá thang đo Dùng hệ số Cronbach’s Alpha để đánh giá độ tin cậy và giá trị các thang đo. Phân tích nhân tố sẽ được sử dụng để kiểm định sự hội tụ của các biến thành phần, kiểm định các giả thuyết mô hình cấu trúc và độ phù hợp của mô hình Đề tài thực hiện bằng phương pháp nghiên cứu định lượng lấy mẫu thuận tiện, dùng phần mềm SPSS 24.0 Dùng kỹ thuật thu thập dữ liệu là phỏng vấn thông qua bảng câu hỏi trực tuyến và phỏng vấn trực tiếp trên giấy với kích thước mẫu dự kiến là n = 342.
KẾT QUẢ NGHIÊN CỨU
Mô tả mẫu nghiên cứu
Đề tài nghiên cứu "Nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM", nhóm nghiên cứu đã xác định cỡ mẫu tối thiểu là 98 quan sát dựa trên công thức NP+8*6 Thông qua khảo sát trực tuyến và phỏng vấn giấy, nhóm đã thu được 370 kết quả quan sát và sau khi loại bỏ và làm sạch dữ liệu, số mẫu được sử dụng để phân tích là 342 (N42) Các biến nhân khẩu học được sử dụng để mô tả mẫu nghiên cứu bao gồm giới tính, năm học, thu nhập, tần suất mua hàng và biến Ví SPayLater.
Về giới tính: Sau khi thu thập và sàn lọc dữ liệu khảo sát, kết quả khảo sát cho thấy số lượng khảo sát nam là 124 người chiếm 36.3%, số lượng khảo sát nữ là 218 người chiếm 63.7% số lượng khảo sát Từ kết quả khảo sát, ta có thể thấy rằng có sự chênh lệch giữa nam và nữ.
Bảng 4.11 Phân bố mẫu theo giới tính
Số Lượng Phần trăm Phần trăm hợp lệ Phần trăm tích lũy
Biểu đồ 4.1 Biểu đồ phân bố mẫu theo giới tính
Về năm học: Thông qua kết quả khảo sát được trình bày trong bảng, có thể thấy rằng số lượng sinh viên năm 1 là 52 sinh viên, chiếm tỷ lệ 15.2%; sinh viên năm 2 là 95 sinh viên, chiếm tỷ lệ 27.8%; số lượng sinh viên năm 3 là 84 sinh viên, chiếm tỷ lệ 24.6%; và cuối cùng sinh viên năm 4 là 111 sinh viên, chiếm tỷ lệ là 32.5% Qua kết quả khảo sát trên, sinh viên năm 4 chiếm tỷ lệ cao nhất, việc này có thể thấy rằng nhu cầu mua sắm ở nhóm này là khá mạnh và vì thế nên nhóm đối tượng này có ý định cao đối với việc sử dụng dịch vụ SPayLater.
Bảng 4.12 Phân bố mẫu theo năm học
Số Lượng Phần trăm Phần trăm hợp lệ Phần trăm tích lũy
Biểu đồ 4.2 Biểu đồ phân bố mẫu theo năm học
Về thu nhập: Từ kết quả bảng thống kê thu được, nhóm thu nhập dưới 3 triệu là 110 sinh viên, chiếm 32.2%; nhóm thu nhập từ 3 – 5 triệu là 82 sinh viên, chiếm 24%; nhóm thu nhập trên 5 triệu là 110 sinh viên, chiếm tỷ lệ 43.9% cao nhất so với các nhóm thu nhập còn lại Có thể thấy nhóm thu nhập trên 5 triệu có ý định sử dụng dịch vụ SPayLater cao nhất trong trong 3 nhóm.
Bảng 4.13 Phân bố mẫu theo thu nhập
Số Lượng Phần trăm Phần trăm hợp lệ
Biểu đồ 4.3 Biểu đồ phân bố mẫu theo thu nhập
Về tần suất mua sắm: Kết quả khảo sát cho thấy, trung bình trong 1 tháng tần suất mua sắm dưới 3 lần là 101 sinh viên, chiếm tỷ lệ 29.5%, tần suất mua sắm từ 3 – 5 lần là 63 sinh viên, chiếm tỷ lệ 18.4%, tần suất mua sắm trên 5 lần là 178 sinh viên, chiếm tỷ lệ là 52% Có thể thấy rằng, số lượng sinh viên mua hàng trên sàn thương mại điện tử Shopee với tần suất trên 5 lần chiếm tỷ lệ cao nhất.
Bảng 4.14 Phân bố mẫu theo tần suất mua hàng
Số Lượng Phần trăm Phần trăm hợp lệ Phần trăm tích lũy
Biểu đồ 4.4 Biểu đồ phân bố mẫu theo tần suất mua hàng
Đánh giá độ tin cậy (Cronbach's Alpha)
Hệ số Cronbach’s Alpha được dùng để kiểm định độ tin cậy từng thành phần của thang đo khả năng dùng để nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM Ở phương pháp này, các biến không phù hợp và hạn chế biến rác trong mô hình nghiên cứu sẽ bị loại bỏ Và chỉ những biến có hệ số tương quan tổng biến phù hợp lớn hơn 0.3 và có hệ số Cronbach’s Alpha từ 0.6 trở lên mới được đưa vào phân tích những bước tiếp theo
4.2.1 Biến độc lập “Hiệu quả mong đợi”
Bảng 4.15 Độ tin cậy của “Hiệu quả mong đợi”
Trung bình thang đo nếu loại biên
Phương sai thang đo nếu loại biến
Hệ số tương quan biến- tổng
Cronbach's Alpha nếu loại biến Thang đo “Hiệu quả mong đợi” Cronbach's Alpha = 0.854
Thang đo PET đạt độ tin cậy cao với hệ số Cronbach's Alpha là 0,854, vượt ngưỡng 0,6 Hệ số tương quan các biến tổng đều lớn hơn 0,3, chỉ ra rằng các biến đo lường tốt cho nhân tố ý định sử dụng Ngoài ra, không có biến riêng lẻ nào có hệ số Cronbach's Alpha sau khi xóa cao hơn hệ số Cronbach's Alpha của thang đo PET, chứng tỏ các biến trong thang đo gắn kết chặt chẽ và đáp ứng các tiêu chuẩn đo lường.
4.2.2 Biến độc lập “Kỳ vọng nỗ lực”
Bảng 4.16 Độ tin cậy của “Kỳ vọng nỗ lực”
Trung bình thang đo nếu loại biên
Phương sai thang đo nếu loại biến
Hệ số tương quan biến- tổng
Cronbach's Alpha nếu loại biến Thang đo “Kỳ vọng nỗ lực” Cronbach's Alpha = 0.796
Thang đo nhân tố “Kỳ vọng nỗ lực” (EET) có hệ số Cronbach’s Alpha đạt 0.796 > 0.6 và hệ số tương quan các biến tổng đều lớn hơn 0.3 Trong 5 biến quan sát có 1 biến quan sát EET4 có hệ số Cronbach's Alpha if Item Deleted bằng 0.811 lớn hơn hệ số Cronbach's Alpha của thang đo EET là 0.796 Tuy nhiên, hệ số tương quan biến tổng của biến là 0.425
> 0.3 và Cronbach's Alpha của thang đo lớn hơn 0.6, thậm chí còn cao hơn 0.7 Vì vậy, chúng ta không cần loại biển EET4 trong trường hợp này Do đó, các biến quan sát đều đạt yêu cầu và được giữ lại.
4.2.3 Biến độc lập “Ảnh hưởng xã hội”
Bảng 4.17 Độ tin cậy của “Ảnh hưởng xã hội”
Để đánh giá độ tin cậy của thang đo thường sử dụng các hệ số thống kê như:- Hệ số Cronbach's Alpha: Dùng để đánh giá độ tin cậy của thang đo tổng bao gồm nhiều câu hỏi.- Phương sai thang đo: Dùng để đánh giá độ tin cậy của thang đo tổng.- Hệ số tương quan biến-tổng: Dùng để đánh giá độ tin cậy của từng câu hỏi trong thang đo tổng.Ví dụ:- Thang đo "Ảnh hưởng xã hội": Hệ số Cronbach's Alpha = 0,861.
Thang đo nhân tố "Ảnh hưởng xã hội" (SIF) có độ tin cậy cao với hệ số Cronbach's Alpha đạt 0,861, vượt ngưỡng 0,6 Các biến trong thang đo đều có hệ số tương quan tổng hợp lớn hơn 0,3, cho thấy sự đồng nhất và thống nhất Ngoài ra, khi loại bỏ từng biến, hệ số Cronbach's Alpha của thang đo đều không tăng lên, chứng tỏ tất cả các biến quan sát đều đóng góp vào độ tin cậy tổng thể Do đó, các biến quan sát trong thang đo SIF đều đạt yêu cầu về độ tin cậy và được giữ lại.
4.2.4 Biến độc lập “Điều kiện thuận lợi”
Bảng 4.18 Độ tin cậy của “Điều kiện thuận lợi”
Trung bình thang đo nếu loại biên
Phương sai thang đo nếu loại biến
Hệ số tương quan biến- tổng
Cronbach's Alpha nếu loại biến Thang đo “Điều kiện thuận lợi” Cronbach's Alpha = 0.763
Thang đo nhân tố “Điều kiện thuận lợi” (FCD) có hệ số Cronbach’s Alpha đạt 0.763 > 0.6 và hệ số tương quan các biến tổng đều lớn hơn 0.3 Ngoài ra, trong tất cả các biến quan sát không có biến nào có hệ số Cronbach's Alpha if Item Deleted lớn hơn hệ số Cronbach'sAlpha của thang đo FCD là 0.763 Do đó, các biến quan sát đều đạt yêu cầu và được giữ lại.
4.2.5 Biến độc lập “Khả năng tương thích lối sống”
Bảng 4.19 Độ tin cậy của “Khả năng tương thích lối sống”
Trung bình thang đo nếu loại biên
Phương sai thang đo nếu loại biến
Hệ số tương quan biến- tổng
Cronbach's Alpha nếu loại biến Thang đo “Khả năng tương thích lối sống” Cronbach's Alpha = 0.837
Thang đo LCM có hệ số Cronbach's Alpha đạt 0,837, vượt quá ngưỡng 0,6 Các hệ số tương quan giữa các biến tổng đều lớn hơn 0,3 Không có biến nào bị loại bỏ do hệ số Cronbach's Alpha if Item Deleted lớn hơn hệ số Cronbach's Alpha của thang đo LCM Do đó, tất cả các biến quan sát đều đáp ứng yêu cầu và được giữ lại để sử dụng trong nghiên cứu.
4.2.6 Biến độc lập “Nhận thức sự tin tưởng”
Bảng 4.20 Độ tin cậy của “Nhận thức sự tin tưởng”
Trung bình thang đo nếu loại biên
Phương sai thang đo nếu loại biến
Hệ số tương quan biến- tổng
Cronbach's Alpha nếu loại biến Thang đo “Nhận thức sự tin tưởng” Cronbach's Alpha = 0.883
Thang đo PTR có độ tin cậy cao với hệ số Cronbach's Alpha đạt 0,883 Tất cả các biến quan sát đều có hệ số tương quan với tổng điểm cao hơn 0,3, đồng thời hệ số Cronbach's Alpha if Item Deleted của các biến này đều nhỏ hơn 0,883 Do đó, tất cả các biến quan sát đều giữ lại và đáp ứng yêu cầu tin cậy của thang đo.
4.2.7 Biến độc lập “Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee”
Bảng 4.21 Độ tin cậy của biến phụ thuộc “Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee”
Trung bình thang đo nếu loại biên
Phương sai thang đo nếu loại biến
Hệ số tương quan biến- tổng
Cronbach's Alpha nếu loại biến Thang đo “Ý định sử dụng” Cronbach's Alpha = 0.839
Thang đo nhân tố “Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee” (ICP) có hệ số Cronbach’s Alpha đạt 0.839 > 0.6 và hệ số tương quan các biến tổng đều lớn hơn 0.3 Ngoài ra, trong tất cả các biến quan sát không có biến nào có hệ số Cronbach's Alpha if Item Deleted lớn hơn hệ số Cronbach's Alpha của thang đo ICP là 0.839 Do đó, các biến quan sát đều đạt yêu cầu và được giữ lại.
Phân tích nhân tố EFA
4.3.1 Phân tích nhân tố khám phá EFA của biến độc lập
Bảng 4.22 Kiểm định KMO và Bartlett đối với biến độc lập lần 1
Hệ số KMO thỏa mãn điều kiện 0.5≤ KMO ≤ 1 cụ thể là 0.915 cho thấy sự phù hợp của dữ liệu để phân tích nhân tố, mà hệ số KMO cho thấy là tốt Hệ số Sig (Bartlett Test) = 0.000 (Sig < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Bảng 4.23 Phương sai trích đối với biến độc lập lần 1
Eigenvalues ban đầu Tổng bình Phương hệ số tải đã trích xuất
Tổng bình Phương hệ số tải đã xoay
Phần trăm của Phươn g sai (%)
Phần trăm của Phươn g sai (%)
Phần trăm của Phươn g sai (%)
Hệ số Eigenvalues của nhân tố thứ 6 = 1.129 > 1 đại diện cho phần biến thiên được giải thích bởi nhân tố, thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất Phương sai trích (Extraction Sums of Squared Loadings) (Cumulative%) = 63.079% > 50 %, như vậy phương sai trích đạt yêu cầu để phân tích EFA.
Bảng 4.24 Kết quả ma trận xoay đối với biến độc lập lần 1
Nhóm muốn chọn ra các biến quan sát chất lượng nên sẽ sử dụng ngưỡng hệ số tải là 0.35 để có hệ số tải tương ứng theo cỡ mẫu So sánh ngưỡng này với kết quả ở ma trận xoay, có hai biến xấu là EET4 và FCD2 cần xem xét loại bỏ:
- Biến EET4 có hệ số tải ở tất cả các nhân tố đều nhỏ 0.5.
- Biến FCD2 tải lên ở cả hai nhân tố là Component 3 và Component 5 với hệ số tải lần lượt là 0.390 và 0.602, mức chênh lệch hệ số tải bằng 0.594 - 0.361 = 0.233 < 0.3.
=> Phân tích EFA biến độc lập lần 2
Bảng 4.25 Kiểm định KMO và Bartlett đối với biến độc lập lần 2
Hệ số KMO thỏa mãn điều kiện 0.5≤ KMO ≤ 1 cụ thể là 0.910 cho thấy sự phù hợp của dữ liệu để phân tích nhân tố, mà hệ số KMO cho thấy là tốt Hệ số Sig (Bartlett Test) = 0.000 (Sig < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Bảng 4.26 Phương sai trích đối với biến độc lập lần 2
Eigenvalues ban đầu Tổng bình Phương hệ số tải đã trích xuất Tổng bình Phương hệ số tải đã xoay
Phần trăm của Phươn g sai (%)
Phần trăm của Phươn g sai (%)
Phần trăm của Phươn g sai (%)
Hệ số Eigenvalues của nhân tố thứ 6 = 1.086 > 1 đại diện cho phần biến thiên được giải thích bởi nhân tố, thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất Phương sai trích (Extraction Sums of Squared Loadings) (Cumulative%) = 64.553% > 50 %, như vậy phương sai trích đạt yêu cầu để phân tích EFA.
Bảng 4.27 Kết quả ma trận xoay đối với biến độc lập lần 2
Kết quả ma trận xoay lần 2 cho thấy, 28 biến quan sát được phân thành 6 nhân tố, tất cả các biến quan sát đều có hệ số tải nhân tố lớn hơn 0.5 và không còn các biến xấu, nên kết quả phân tích nhân tố khám phá được chấp nhận hay nói cách khác thang đo đạt giá trị hội tụ.
4.3.2 Phân tích nhân tố khám phá EFA của biến phụ thuộc
Bảng 4.28 Kiểm định KMO và Bartlett đối với biến phụ thuộc
Hệ số KMO đạt 0,759, nằm trong khoảng chấp nhận được (0,5-1), cho thấy dữ liệu phù hợp để phân tích nhân tố, đạt mức tốt Thử nghiệm Bartlett cũng cho kết quả Sig = 0,000 (Sig < 0,05) chứng minh rằng các biến có mối tương quan chặt chẽ với nhau, đáp ứng yêu cầu cho phân tích nhân tố.
Bảng 4.29 Phương sai trích đối với biến phụ thuộc
Eigenvalues ban đầu Tổng bình Phương hệ số tải đã trích xuất Toàn phần
Phần trăm của Phương sai (%)
Phần trăm của Phương sai (%)
Qua kết quả phân tích, cho thấy được Trị số Eigenvalue (Initial Eigenvalue) = 3.071 ≥1.Nhân tố 1 phản ánh 61.419% độ biến thiên dữ liệu của 5 biến quan sát.
Phân tích hồi quy tuyến tính
Kiểm nghiệm chuẩn hơn mối quan hệ giữa các nhân tố tác động đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên các Trường đại học tại TP.HCM, nhóm thực hiện hồi quy đa biến và kiểm định mô hình hồi quy.
Cụ thể nhóm tiến hành phân tích hồi quy giữa 6 biến độc lập như sau:
- PET: Hiệu quả mong đợi
- EET: Kỳ vọng nỗ lực
- SIF: Ảnh hưởng xã hội
- FCD: Điều kiện thuận lợi
- LCM: Khả năng tương thích lối sống
- PTR: Nhận thức sự tin tưởng
- Y: Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
Phương trình hồi quy tuyến tính:
Y = β1*PET + β2*EET + β3SIF + β4*FCD + β5*LCM + β6*PTR.
- Y: Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
- β1 và CVE: Là hệ số và giá trị của nhân tố Hiệu quả mong đợi
- β2 và EOU: Là hệ số và giá trị của nhân tố Kỳ vọng nỗ lực
- β3 và TUT: Là hệ số và giá trị của nhân tố Ảnh hưởng xã hội
- β4 và POP: Là hệ số và giá trị của nhân tố Điều kiện thuận lợi
- β5 và SPP: Là hệ số và giá trị của nhân tố Khả năng tương thích lối sống
- β6 và SEC: Là hệ số và giá trị của nhân tố Nhận thức sự tin tưởng.
4.4.1 Xem xét ma trận tương quan
Nhóm sử dụng hệ số tương quan Pearson (ký hiệu: r) để ước lượng được mức độ chặt chẽ giữa biến phụ thuộc với các biến độc lập, giữa các biến độc lập với nhau, trước khi vào phân tích hồi quy tuyến tính Chúng có mối tương quan tuyến tính chặt chẽ nếu hệ số tương quan Person giữa biến phụ thuộc và các biến độc lập tiến gần đến 1 và phân tích hồi quy tuyến tính có thể phù hợp Ngược lại, nếu giữa các biến độc lập có thể có hệ số tương quan Person rất cao thì đây cũng có thể là mối tương quan giả, giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính mà nhóm đang xét.
Bảng 4.30 Ma trận tương quan giữa biến phụ thuộc và các biến độc lập
Y PET EET SIF FCD LCM PTR
Bảng ma trận tương quan thể hiện số tương quan giữa biến độc lập và biến phụ thuộc Y khá cao và tương quan cùng chiều Hệ số tương quan lớn nhất giữa biến phụ thuộc “ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee” với biến độc lập “Nhận thức sự tin tưởng” và biến độc lập “Kỳ vọng nỗ lực” là nhỏ nhất Như vậy, tất cả các nhân tố đều đủ điều kiện để đưa vào mô hình hồi quy.
4.4.2 Xây dựng mô hình hồi quy tuyến tính
Phương pháp hồi quy đưa vào lần lượt được sử dụng, lấy giá trị trung bình của biến độc lập dựa trên biến quan sát thành phần của biến độc lập đó.
Bảng 4.31 Đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính đa biến
Sai số chuẩn của ước lượng
Thống kê thay đổi Hệ số
1 720 a 0.518 0.510 0.43171 0.518 60.085 6 335 0.000 1.727 a Biến độc lập: (Hằng số), PTR, SIF, EET, FCD, LCM, PET b Biến phụ thuộc: Y Để đánh giá sự phù hợp của mô hình thông qua các chỉ số ở Bảng 4.21, ta thấy được mô hình có giá trị R2 = 51.8% và R2 hiệu chỉnh bằng 51.0% nghĩa là mô hình tuyến tính với 6 biến độc lập đã xây dựng phù hợp với tập dữ liệu đạt 51.0% hay mô hình đã giải thích được 51.0% sự biến thiên của biến phụ thuộc và 49.0% còn lại do các biến khác ngoài mô hình mà nghiên cứu này không đề cập đến Bên cạnh đó, giá trị Durbin–Watson là 1.727 thỏa điều kiện 1.5 < DW < 2.5 nên kết quả không vi phạm vào giả định tự tương quan chuỗi bậc nhất Để kiểm định sự phù hợp của mô hình hồi quy tuyến tính bội ta dùng giá trị
Bảng 4.32 Kiểm định tính phù hợp của mô hình hồi quy đa biến
Mô hình Tổng bình phương Bậc tự do
Trung bình bình phương F Sig.
Tổng 129.622 341 a Biến phụ thuộc: Y b Biến độc lập: (Hằng số), PTR, SIF, EET, FCD, LCM, PETDựa vào bảng … , cho thấy giá trị thống kê F có sig = 0,000 < 0,05 có nghĩa mô hình hồi nghĩa trong thống kê Thông qua kiểm định thống kê với các hệ số hồi quy, nhóm nghiên cứu sẽ kiểm tra giải thuyết và xác định tầm quan trọng của các biến trong mô hình.
Bảng 4.33 Thông số thống kê trong mô hình hồi quy
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa t Sig.
Thống kê đa cộng tuyến
Theo số liệu của Bảng 4.26, có 4 biến độc lập Hiệu suất mong đợi (PET), Điều kiện thuận lợi (FCD), Khả năng tương thích lối sống (LCM), Nhận thức sự tin tưởng (PTR) đều có hệ số sig < 0.05, nghĩa là 4 biến độc lập này đều có ý nghĩa giải thích mối liên hệ giữa biến độc lập và biến phụ thuộc nên không bị loại khỏi mô hình Tuy nhiên 2 yếu tố Kỳ vọng nỗ lực (EET) và Ảnh hưởng xã hội (SIF) có hệ số sig > 0.05 nên bị loại khỏi mô hình
Hệ số VIF của các biến độc lập đều nhỏ hơn 10 do vậy không có hiện tượng đa cộng tuyến xảy ra Vì vậy, mô hình hồi quy tuyến tính đã xây dựng không vi phạm các giả thuyết trong hồi quy tuyến tính
Các hệ số hồi quy Beta chuẩn hóa của các biến độc lập: Hiệu suất mong đợi (PET), Điều kiện thuận lợi (FCD), Khả năng tương thích lối sống (LCM), Nhận thức sự tin tưởng (PTR) đều có giá trị dương điều này có nghĩa là các biến độc lập đều tác động cùng chiều đối với biến phụ thuộc Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee Phương trình hồi quy tuyến tính được thể hiện như sau:
Hay Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee = 0.109*Hiệu suất mong đợi + 0.104*Điều kiện thuận lợi + 0.109*Khả năng tương thích lối sống + 0.533*Nhận thức sự tin tưởng
Qua độ lớn của hệ số hồi quy chuẩn hóa Beta, ta sắp xếp thứ tự mức độ tác động từ mạnh nhất đến yếu nhất của các biến độc lập đến biến phụ thuộc Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee là: PTR (0.533), PET (0.109), LCM (0.109), FCD (0.104) Tương ứng với:
- Biến độc lập Nhận thức sự tin tưởng tác động mạnh nhất tới Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
- Biến độc lập Hiệu suất mong đợi tác động mạnh thứ 2 tới Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
- Biến độc lập Khả năng tương thích lối sống tác động mạnh thứ 2 tới Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
- Biến độc lập Điều kiện thuận lợi tác động mạnh thứ 4 tới Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee.
Hình 4 1 Kết quả mô hình nghiên cứu
Hi u qu mong đ iệ ảm ợi Đi u ki n thu n l iều kiện ệ ận hữu ợi
Kh năng tảm ương thích lối ng thích l i ối với s ngối với
Nh n th c v s tin tận hữu ức kiểm soát ều kiện ực ưởng xã ng Ý đ nh s d ng d ch v ịnh hành vi ử ụng ịnh hành vi ụng
4.4.3 Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Kiểm định sự khác biệt
4.5.1 Kiểm định sự khác biệt của giới tính đến “Ý định sử dụng dịch vụ
SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee” Để tiến hành kiểm định sự khác biệt giữa giới tính đến ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee, nhóm tác giả sử dụng kiểm định Independent – Sample T-Test.
Bảng 4.34 Kiểm định sự khác biệt của giới tính đến Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee
Kiểm định Levene Kiểm định
Giá trị phương sai bằng nhau 2.915 0.089 0.721
Giá trị phương sai không bằng nhau 0.732
Qua kết quả ở trên cho thấy Sig ở bảng kiểm định Levene này = 0.089 > 0.05 nên phương sai của 2 giới tính không có sự khác biệt.
4.5.2 Kiểm định sự khác biệt của năm học đến “Ý định sử dụng dịch vụ
SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee”
Bảng 4.35 Kiểm định Levene với năm học
Thống kê Levene df1 df2 Sig.
Qua kết quả cho thấy Sig ở bảng kiểm định Levene này = 0 046 < 0.05 nên phương sai của các năm học khác nhau.
Bảng 4.36 Multiple Comparisons của với năm học
Kết quả phân tích Multiple Comparisons cho thấy:
Giá trị Sig kiểm định của các năm học đều lớn hơn 0.05, như vậy không có sự khác biệt về ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tửShopee giữa các năm học với nhau.
4.5.3 Kiểm định sự khác biệt của thu nhập đến “Ý định sử dụng dịch vụ
SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee” Để kiểm định sự khác biệt của thu nhập đến ý định sử dụng, nhóm tác giả tiến hành kiểm định trung bình One Way Anova.
Bảng 4.37 Kiểm định Levene với mức thu nhập
Thống kê Levene df1 df2 Sig.
Qua kết quả cho thấy Sig ở bảng kiểm định Levene này = 0.110 > 0.05 nên phương sai của các mức thu nhập không có sự khác biệt.
Bảng 4.38 Bảng ANOVA của thu nhập
Y Tổng bình phương df Trung bình bình phương F Sig.
Qua kết quả cho thấy Sig ở bảng ANOVA này = 0.000 < 0.05 nên phương sai của các mức thu nhập đối với Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee có sự khác biệt.
4.5.4 Kiểm định sự khác biệt của tần suất mua sắm đến “Ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee” Để kiểm định sự khác biệt của tần suất mua sắm đến ý định sử dụng, nhóm tác giả tiến hành kiểm định trung bình One Way Anova.
Bảng 4.39 Kiểm định Levene với tần suất mua hàng
Thống kê Levene df1 df2 Sig.
Qua kết quả cho thấy Sig ở bảng kiểm định Levene này = 0.196 > 0.05 nên phương sai của tần suất mua sắm không có sự khác biệt.
Bảng 4.40 Bảng ANOVA của tần suất mua hàng
Y Tổng bình phương df Trung bình bình phương F Sig.
Kết quả kiểm định Levene cho thấy Sig = 0,004 < 0,05, điều này chỉ ra sự khác biệt có ý nghĩa thống kê giữa phương sai của tần suất mua sắm và ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee Phát hiện này cho thấy những cá nhân có tần suất mua sắm khác nhau có sự thay đổi trong mức độ sẵn sàng sử dụng dịch vụ SPayLater khi mua hàng trực tuyến.
Chương 4 trình bày kết quả thống kê mô tả, hệ số Cronbach's Alpha cho thấy thang đo đạt yêu cầu Phân tích nhân tố khám phá EFA loại bỏ 2 biến quan sát là EET4 và FCD2.
Kết quả kiểm định giả thuyết 6 nhân tố thì có 4 nhân tố được chấp nhận đó là: Hiệu quả mong đợi (PET), Điều kiện thuận lợi (FCD), Khả năng tương thích lối sống (LCM), Nhận thức sự tin tưởng (PTR) có quan hệ dống biến với ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee.
Phân tích T-test và ANOVA đã chỉ ra có sự khác biệt về ý định sử dụng dịch vụ SPayLater khi mua sắm trực tuyến trên sàn thương mại điện tử Shopee theo biến định tính: thu nhập và tần suất mua hàng; nhưng không có sự khác biệt đối với biến giới tính và năm học.
